文献

J-GLOBAL ID：202002272108705086   整理番号：20A2249362

MMCベースのトポロジー最適化のための機械学習に基づくパラメータ調整戦略【JST・京大機械翻訳】

Machine Learning based parameter tuning strategy for MMC based topology optimization

著者 (4件)： Jiang Xinchao (State Key Laboratory of Advanced Design and Manufacturing for Vehicle Body, Hunan University, Changsha, 410082, PR China) ,  Wang Hu (State Key Laboratory of Advanced Design and Manufacturing for Vehicle Body, Hunan University, Changsha, 410082, PR China) ,  Li Yu (State Key Laboratory of Advanced Design and Manufacturing for Vehicle Body, Hunan University, Changsha, 410082, PR China) ,  Mo Kangjia (State Key Laboratory of Advanced Design and Manufacturing for Vehicle Body, Hunan University, Changsha, 410082, PR China)
資料名： Advances in Engineering Software  (Advances in Engineering Software)
巻： 149  ページ： Null  発行年： 2020年 
JST資料番号： A0063C  ISSN： 0965-9978  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 移動可能コンポーネント(MMC)ベースのトポロジー最適化アプローチは,その機能によって明示的に記述されるエンティティの境界以来,明示的なアルゴリズムである。他のピクセルまたはノードポイントベースのアルゴリズムと比較して,それはトポロジー記述機能(TDF)のパラメータ最適化を通して最適化した。しかし,最適化結果は,MMCベースのトポロジー最適化の最適化器である移動漸近(MMA)の方法の関連パラメータの選択に部分的に依存する。実際に,これらのパラメータは経験に従って調整され,実行可能な解は,不適当なパラメータ設定により実行不可能であっても,容易に得られないかもしれない。これらの問題に取り組むために,本研究では,機械学習(ML)ベースのパラメータチューニング戦略を提案した。Extra-Trees(ET)ベースの画像分類器を最適化フレームワークに統合して,閉ループを形成するために粒子群最適化(PSO)アルゴリズムと組み合わせた。それは,最適化プロセスを手動パラメータ調整から自由とし,設計領域における実行可能な解を得た。本研究では,2つの古典的事例を提示し,提案した方法の効率を実証した。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *位相幾何学 ,  *最適化 ,  画素 ,  *機械学習
準シソーラス用語： 粒子群最適化 ,  パラメータ最適化 ,  モーフィング ,  画像分類 ,  *位相最適化 ,  パラメータチューニング ,  エンティティ , 【Automatic Indexing@JST】

著者キーワード (6件)： トポロジー最適化 ,  移動モーフィング可能成分 ,  機械学習 ,  エクストラツリー ,  画像分類 ,  パラメータ調整

分類 (3件)： システム最適化手法  (IA02050Z) ,  構造力学一般  (HD01000X) ,  位相幾何学  (AB07000A)

タイトルに関連する用語 (5件)： MMC ,  トポロジー最適化 ,  機械学習 ,  パラメータ ,  戦略